Facebook使用深度學習，完成每天超過45億次的翻譯工作

Facebook今天宣布，他們已經開始使用神經網路系統，在社交網路的後端進行每天超過45億次的翻譯工作。使用複發性神經網路（RNNs）進行的翻譯，能夠使用Caffe2進行拓展，Caffe2是Facebook於今年四月開放的深度學習框架。

Caffe2團隊今天還宣布，關於翻譯工作，其框架現在可以與循環神經網路一起使用了。

Caffe2團隊在一篇博文中說：「使用Caffe2，提高了Facebook上機器翻譯系統的效率和質量。我們的效率已經提升了2.5倍，這使得我們能夠將神經機器翻譯模型部署到生產中。因此，Facebook上的所有機器翻譯模型已經從基於短語的系統轉換為所有語言的神經模型。」

循環神經網路（RNN）的使用導致BLEU增加了11%，這是衡量機器翻譯的人類語言表現的度量標準。以前使用基於短語的模型進行翻譯，這些模型無法翻譯文本塊，而是翻譯單個單詞和短語。

軟體工程師Necip Fazil Ayan、Juan Miguel Pino和Facebook的應用機器學習的團隊成員Alexander Sidorov在一篇博文中說道：「為了彌補這個問題，並構建我們的神經網路系統，我們開始使用一種被成為序列到序列的LSTM（長期記憶）的複發性神經網路，這樣一個網路可以考慮到源語句的全部內容以及迄今為止所產生的一切內容，以創建更準確和流暢的翻譯。」

這個改變也使得Facebook上的翻譯更有可能考慮類似俚語、錯別字、上下文不通順等問題。用於翻譯的演算法可以在Caffe2 GitHub頁面找到。

工程師們還指出，通過與Facebook AI Research（FAIR）團隊合作，將來可以使用卷積神經網路。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！